Giới thiệu dự án

Thị trường mỹ phẩm và chăm sóc cá nhân tại Việt Nam đang trải qua giai đoạn bùng nổ mạnh mẽ. Báo cáo từ Viện Nghiên cứu Yano (Nhật Bản, 2022) nhận định Việt Nam là một trong những thị trường mỹ phẩm có tốc độ tăng trưởng nhanh nhất khu vực Đông Nam Á. Theo thống kê của Trung tâm Thương mại Quốc tế (ITC) và World Bank, kim ngạch nhập khẩu mỹ phẩm vào Việt Nam đã tăng từ 500 triệu USD lên xấp xỉ 2 tỷ USD. Chi tiêu bình quân của người tiêu dùng đạt 140.000 VNĐ/tháng, trong đó 21% chi trên 200.000 VNĐ/tháng. Tại phân khúc khách hàng trẻ, thế hệ Gen Z (sinh từ năm 1997 đến 2012) tại Việt Nam với quy mô khoảng 14,4 triệu người (Decision Lab & Epinion Global) đang nổi lên như động lực tiêu dùng chính, dẫn đầu tỷ lệ tiếp cận và chi tiêu cho các sản phẩm skincare.

Mặc dù L'Oreal Paris – thương hiệu thuộc tập đoàn mỹ phẩm hàng đầu thế giới L'Oréal – đã xác lập vị thế vững chắc tại Việt Nam, sự cạnh tranh khốc liệt từ các nhãn hàng Hàn Quốc (chiếm 30% thị phần) và Nhật Bản đặt ra thách thức sống còn trong việc duy trì lòng trung thành của khách hàng. Theo nguyên lý kinh điển của Rosenberg & Czepiel (1984), chi phí giữ chân một khách hàng hiện tại chỉ bằng 1/6 (khoảng 16,67%) so với chi phí thu hút khách hàng mới. Do đó, việc giải mã các động lực tác động đến hành vi mua lặp lại của Gen Z không chỉ là bài toán học thuật mà còn là yêu cầu cấp thiết về mặt chiến lược kinh doanh.

                    MÔ HÌNH HÀNH VI RA QUYẾT ĐỊNH MUA CỦA GEN Z
[Nhận thức nhu cầu] ➔ [Tìm kiếm thông tin] ➔ [Đánh giá phương án] ➔ [Quyết định mua] ➔ [Ý ĐỊNH MUA LẶP LẠI]
[Hình ảnh thương hiệu]      [Chất lượng sản phẩm]               [Sự tiện lợi]         [Giá bán]                   [Sự hài lòng]
   (Brand Image)              (Product Quality)                 (Convenience)          (Price)                   (Satisfaction)

Mục tiêu nghiên cứu

  1. Xác định các yếu tố cốt lõi tác động đến ý định mua lặp lại mỹ phẩm L'Oreal Paris của Gen Z tại TP.HCM.
  2. Đo lường mức độ ảnh hưởng cụ thể (hệ số hồi quy chuẩn hóa $\beta$) của từng biến số thông qua mô hình phân tích định lượng.
  3. Kiểm định sự phù hợp của mô hình lý thuyết bằng các kỹ thuật thống kê nâng cao (Cronbach's Alpha, EFA, Hồi quy OLS).
  4. Đề xuất hệ thống hàm ý quản trị thực tiễn giúp L'Oreal Paris tối ưu hóa chiến lược Marketing Mix, tăng tỷ lệ giữ chân khách hàng (Retention Rate).

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Người tiêu dùng thuộc thế hệ Gen Z (độ tuổi 18 – 28), hiện đang sinh sống, học tập hoặc làm việc tại TP.HCM, đã và đang trực tiếp sử dụng mỹ phẩm thương hiệu L'Oreal Paris.
  • Quy mô mẫu: Mẫu sơ bộ $n=50$, mẫu định lượng chính thức $N=251$.
  • Giới hạn kỹ thuật: Phương pháp chọn mẫu thuận tiện phi xác suất (Convenience Non-Probability Sampling); mô hình không đi sâu vào đánh giá chất lượng dịch vụ trực tiếp tại quầy do L'Oreal phân phối qua kênh gián tiếp đa tầng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng hiện đại dựa trên mô hình quyết định 5 giai đoạn của Philip Kotler & Kevin Keller (2012). Để xây dựng khung lý thuyết tối ưu cho Gen Z, nghiên cứu đã tổng hợp và so sánh 8 mô hình thực nghiệm trong và ngoài nước:

Nghiên cứu nền tảng Biến độc lập chính Ưu điểm mô hình Hạn chế khi áp dụng cho Gen Z
Zeki Atıl Bulut (2015) Sự hài lòng, Tin tưởng điện tử, Lòng trung thành điện tử Đo lường tốt trải nghiệm Online Thiếu các yếu tố vật lý của sản phẩm và giá cả
Goh S. (2016) Niềm tin thương hiệu, Tương đồng hình ảnh bản thân, Sự hài lòng Gắn kết hình ảnh cá nhân sâu sắc Chưa đo lường tính tiện lợi đa kênh (Omnichannel)
Nguyễn Bảo Quỳnh Chi (2015) Hình ảnh thương hiệu, Chất lượng SP, Dịch vụ, Tiện lợi, Giá bán Khung biến số Marketing toàn diện Yếu tố dịch vụ không khớp với mô hình phân phối mỹ phẩm đại chúng
Mô hình đề xuất (2023) HATH, CLSP, STL, GB, SHL (5 biến độc lập) Tích hợp cảm nhận giá trị, độ phủ phân phối và độ thỏa mãn thực tế Tối ưu hóa riêng cho hành vi tiêu dùng nhanh của Gen Z

Áp dụng phương pháp phân tích yêu cầu nghiên cứu theo ma trận MoSCoW:

  • Must-have: Đo lường định lượng 5 nhân tố tác động (HATH, CLSP, STL, GB, SHL); kiểm định độ tin cậy thang đo Cronbach's Alpha $\ge 0.60$; kiểm định EFA với tổng phương sai trích $> 50%$.
  • Should-have: Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (VIF $< 2.0$); kiểm tra tự tương quan phần dư qua Durbin-Watson ($1 < d < 3$).
  • Could-have: Đánh giá sự khác biệt nhân khẩu học (giới tính, thu nhập) đối với ý định mua lặp lại.
  • Won't-have: Đánh giá chuỗi cung ứng logistics thượng nguồn và phân tích hành vi B2B.

Thiết kế hệ thống biến số và thang đo

Mô hình kế thừa thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý) gồm 21 biến quan sát cho 5 biến độc lập và 4 biến quan sát cho 1 biến phụ thuộc:

$$\text{YĐMLL} = \beta_0 + \beta_1 \text{HATH} + \beta_2 \text{CLSP} + \beta_3 \text{STL} + \beta_4 \text{GB} + \beta_5 \text{SHL} + \epsilon$$

                                  KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU
  • HATH (Brand Image): Kế thừa Dobni & Zinkhan (1990), Keller (1993), gồm 5 items (HATH1: Thương hiệu lớn; HATH2: Thành công; HATH3: Phổ biến; HATH4: Ấn tượng; HATH5: Uy tín, đáng tin cậy).
  • CLSP (Product Quality): Kế thừa Berry et al. (1994), gồm 5 items (CLSP1: Tác dụng điều trị/chăm sóc; CLSP2: Phù hợp mọi loại da; CLSP3: Hạn sử dụng mới; CLSP4: Tương xứng uy tín; CLSP5: Đáp ứng kỳ vọng).
  • STL (Convenience): Kế thừa Berry et al. (2002), Copeland (1923), gồm 3 items (STL1: Điểm bán offline rộng khắp; STL2: Danh mục đa dạng; STL3: Đặt hàng online dễ dàng qua Shopee/Lazada/TikTok Shop).
  • GB (Price): Kế thừa Kotler & Armstrong (2010), gồm 4 items (GB1: Vừa túi tiền; GB2: Xứng đáng với chất lượng; GB3: Giá cạnh tranh; GB4: Mức độ hài lòng về giá).
  • SHL (Satisfaction): Kế thừa Pappas et al. (2014), Đàm Trí Cường (2022), gồm 4 items (SHL1: Quyết định đúng đắn; SHL2: Lựa chọn khôn ngoan; SHL3: Cảm xúc tích cực khi mua; SHL4: Vượt trội hơn nhãn hàng khác).
  • YĐMLL (Repurchase Intention): Biến phụ thuộc, gồm 4 items (YĐMLL1: Nghĩ đến đầu tiên; YĐMLL2: Không tìm kiếm sản phẩm thay thế; YĐMLL3: Cam kết mua lại trong tương lai gần; YĐMLL4: Giới thiệu người khác - WOM).

Methodology và Quy trình thực hiện

Dự án áp dụng quy trình nghiên cứu hỗn hợp 2 pha tuần tự (Sequential Mixed-Methods):

[Khung Lý thuyết] ➔ [Phỏng vấn định tính] ➔ [Hiệu chỉnh bảng hỏi] ➔ [Khảo sát thử nghiệm n=50] 
       ➔ [Kiểm định Alpha sơ bộ] ➔ [Khảo sát chính thức N=251] ➔ [Phân tích SPSS 26] ➔ [Hàm ý Quản trị]
  1. Công cụ kỹ thuật: IBM SPSS Statistics 26.0 thực hiện phân tích thống kê; Google Forms thu thập dữ liệu; Python 3.10 (thư viện pandas, statsmodels) kiểm định chéo ma trận tương quan và hàm phân phối chuẩn.
  2. Kế hoạch lấy mẫu: Áp dụng quy tắc kinh nghiệm của Hair et al. (2014) về kích thước mẫu tối thiểu cho EFA ($N \ge 5 \times \text{tổng số biến quan sát} = 5 \times 25 = 125$). Mẫu thu thập thực tế $N=251$ đạt tiêu chuẩn, đảm bảo lực thống kê (Statistical Power $> 0.80$).

Implementation và kết quả

Quá trình phân tích dữ liệu và Script thực thi

Dữ liệu thô từ khảo sát được xử lý và kiểm định tự động bằng cú pháp SPSS Syntax và kiểm định chéo với Python:

* SPSS Syntax: Kiem dinh do tin cay Cronbach's Alpha va Phan tich Nhan to EFA.
RELIABILITY
  /VARIABLES=HATH1 HATH2 HATH3 HATH4 HATH5
  /SCALE('Brand Image Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES HATH1 TO HATH5 CLSP1 TO CLSP5 STL1 TO STL3 GB1 TO GB4 SHL1 TO SHL4
  /MISSING LISTWISE 
  /ANALYSIS HATH1 TO SHL4
  /PRINT INITIAL EXTRACTION ROTATION KMO
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT YDMLL_MEAN
  /METHOD=ENTER HATH_MEAN CLSP_MEAN STL_MEAN GB_MEAN SHL_MEAN
  /RESIDUALS DURBIN.

Đoạn mã Python kiểm định tương đương trên mô hình OLS:

import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Load dataset khảo sát N=251
df = pd.read_csv("loreal_genz_survey_251.csv")
X = df[['HATH', 'CLSP', 'STL', 'GB', 'SHL']]
y = df['YDMLL']

# Thêm hằng số vào mô hình hồi quy OLS
X_const = sm.add_constant(X)
model = sm.OLS(y, X_const).fit()

# Đánh giá chỉ số VIF tránh đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(model.summary())
print(vif_data)

Testing và Validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo đều thỏa mãn điều kiện Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

Thang đo biến số Số biến quan sát Cronbach's Alpha sơ bộ ($n=50$) Cronbach's Alpha chính thức ($N=251$) Đánh giá độ tin cậy
Hình ảnh thương hiệu (HATH) 5 0.817 0.842 Rất tốt (Không loại biến)
Chất lượng sản phẩm (CLSP) 5 0.834 0.856 Rất tốt (Không loại biến)
Sự tiện lợi (STL) 3 0.734 0.768 Tốt (Không loại biến)
Giá bán (GB) 4 0.783 0.811 Tốt (Không loại biến)
Sự hài lòng (SHL) 4 0.848 0.873 Rất tốt (Không loại biến)
Ý định mua lặp lại (YĐMLL) 4 0.880 0.895 Rất tốt (Biến phụ thuộc)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số KMO $= 0.862$ ($0.5 < \text{KMO} < 1.0$), kiểm định Bartlett có ý nghĩa thống kê ($p\text{-value} = 0.000 < 0.05$), bác bỏ giả thuyết $H_0$ về ma trận tương quan đồng nhất. Phép trích Principal Components với phép quay Varimax trích được 5 nhân tố tại Eigenvalue $= 1.248 > 1$, tổng phương sai trích (Total Variance Explained) đạt $64.82% > 50%$. Tất cả các trọng số nhân tố (Factor Loading) đều $> 0.55$.
  • Biến phụ thuộc: Hệ số KMO $= 0.814$, Bartlett's Test $p = 0.000$, trích được 1 nhân tố duy nhất giải thích $71.18%$ biến thiên dữ liệu.
+-----------------------------------------------------------------------------------+
|                        KẾT QUẢ PHÂN TÍCH EFA (VARIMAX ROTATION)                   |
| Nhân tố 1 (CLSP)  : 5 biến quan sát (CLSP1 -> CLSP5)  | Loading: 0.628 - 0.792   |
| Nhân tố 2 (HATH)  : 5 biến quan sát (HATH1 -> HATH5)  | Loading: 0.584 - 0.811   |
| Nhân tố 3 (SHL)   : 4 biến quan sát (SHL1 -> SHL4)    | Loading: 0.665 - 0.825   |
| Nhân tố 4 (GB)    : 4 biến quan sát (GB1 -> GB4)      | Loading: 0.612 - 0.789   |
| Nhân tố 5 (STL)   : 3 biến quan sát (STL1 -> STL3)    | Loading: 0.702 - 0.841   |
| KMO = 0.862 | Sig. = 0.000 | Phương sai trích = 64.82% | Eigenvalue min = 1.248    |
+-----------------------------------------------------------------------------------+

Kết quả đạt được và Kiểm định Giả thuyết

Phương trình hồi quy đa biến chuẩn hóa được xác lập sau khi kiểm định các chỉ số kỹ thuật:

  • Hệ số xác định $R^2 = 0.584$, $R^2 \text{ hiệu chỉnh} = 0.575$ (Mô hình giải thích được $57.5%$ sự biến thiên của Ý định mua lặp lại).
  • Kiểm định ANOVA: $F(5, 245) = 68.742$, $p\text{-value} = 0.000 < 0.001$, chứng minh mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Hiện tượng tự tương quan: Durbin-Watson $= 1.892$ (thỏa mãn $1.5 < d < 2.5$).
  • Hiện tượng đa cộng tuyến: Tất cả VIF đều nằm trong khoảng $1.154 - 1.482 < 2.0$, hệ số dung sai (Tolerance) $> 0.67$.
Giả thuyết Mối quan hệ Hệ số hồi quy chưa chuẩn hóa ($B$) Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($p\text{-value}$) Hệ số VIF Kết luận
H1 $\text{HATH} \rightarrow \text{YĐMLL}$ 0.231 0.246 4.652 0.000 1.341 Chấp nhận
H2 $\text{CLSP} \rightarrow \text{YĐMLL}$ 0.274 0.285 5.218 0.000 1.428 Chấp nhận
H3 $\text{STL} \rightarrow \text{YĐMLL}$ 0.145 0.152 3.124 0.002 1.154 Chấp nhận
H4 $\text{GB} \rightarrow \text{YĐMLL}$ 0.128 0.138 2.876 0.004 1.215 Chấp nhận
H5 $\text{SHL} \rightarrow \text{YĐMLL}$ 0.258 0.269 4.981 0.000 1.482 Chấp nhận

Phương trình hồi quy chuẩn hóa: $$\text{YĐMLL} = 0.285 \times \text{CLSP} + 0.269 \times \text{SHL} + 0.246 \times \text{HATH} + 0.152 \times \text{STL} + 0.138 \times \text{GB}$$

                          MỨC ĐỘ TÁC ĐỘNG ĐẾN Ý ĐỊNH MUA LẶP LẠI (BETA)
1. Chất lượng sản phẩm  [████████████████████████████] β = 0.285 (Ảnh hưởng mạnh nhất)
2. Sự hài lòng          [██████████████████████████  ] β = 0.269
3. Hình ảnh thương hiệu [████████████████████████    ] β = 0.246
4. Sự tiện lợi          [███████████████             ] β = 0.152
5. Giá bán              [█████████████               ] β = 0.138

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình cho đặc tính nhóm Gen Z: Khác biệt với mô hình của Nguyễn Bảo Quỳnh Chi (2015) vốn giữ lại yếu tố "Chất lượng dịch vụ", đề tài đã loại bỏ biến này để phù hợp với bản chất phân phối bán lẻ hàng tiêu dùng nhanh (FMCG) và bổ sung biến "Sự hài lòng" (Satisfaction). Đóng góp này phản ánh chính xác xu hướng mua sắm mỹ phẩm của Gen Z – nhóm khách hàng đề cao trải nghiệm và cảm xúc thực tế hơn là tương tác nhân viên bán hàng.
  2. Xác lập thứ bậc động lực tiêu dùng định lượng: Nghiên cứu chỉ ra rằng Chất lượng sản phẩm ($\beta = 0.285$) và Sự hài lòng ($\beta = 0.269$) là hai yếu tố then chốt chi phối hơn $55%$ tác động tổng thể. Điều này bác bỏ định kiến cho rằng Gen Z bị chi phối chủ yếu bởi yếu tố Giá rẻ ($\beta = 0.138$ có trọng số thấp nhất).
  3. Đóng góp phương pháp luận: Thiết lập bộ thang đo chuẩn hóa gồm 25 biến quan sát đã qua sàng lọc thực nghiệm, tạo khung tài liệu tham khảo đáng tin cậy cho các nghiên cứu tiếp theo về hành vi người tiêu dùng trẻ trong ngành mỹ phẩm tại các đô thị loại 1.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, doanh nghiệp cần triển khai hệ thống giải pháp Marketing Mix 4P tích hợp theo lộ trình:

[Q3/2023: Nâng cấp Sản phẩm] ➔ [Q4/2023: Tối ưu Hài lòng & CSKH] ➔ [Q1/2024: Truyền thông Thương hiệu] ➔ [Q2/2024: Phân phối Omnichannel]

Chiến lược 1: Nâng cao Chất lượng sản phẩm ($\beta = 0.285$)

  • Hành động: Minh bạch hóa bảng thành phần hóa học (ví dụ: Hyaluronic Acid, Glycolic Acid, Niacinamide), bổ sung tem kiểm nghiệm lâm sàng trên từng loại da (da dầu mụn châu Á, da nhạy cảm).
  • R&D: Phát triển các dòng sản phẩm mini-size hoặc bộ kit trải nghiệm 7 ngày giúp Gen Z kiểm tra độ thích ứng sinh học trước khi mua full-size.

Chiến lược 2: Gia tăng Sự hài lòng và Trải nghiệm khách hàng ($\beta = 0.269$)

  • Ứng dụng công nghệ: Tích hợp công cụ Virtual Try-on (thử màu son, kem nền AR trên nền tảng web/app) và AI Skin Analysis quét da cá nhân hóa.
  • Hậu mãi: Thiết lập quy trình đổi trả trong 7 ngày nếu sản phẩm gây kích ứng kèm chính sách tư vấn da liễu trực tuyến 1-on-1.

Chiến lược 3: Củng cố Hình ảnh thương hiệu gắn liền với giá trị xã hội ($\beta = 0.246$)

  • Thông điệp truyền thông: Đẩy mạnh thông điệp "Vì bạn xứng đáng" (Because You're Worth It) gắn liền với bình đẳng giới, vẻ đẹp đa dạng và phong trào bảo vệ môi trường ("L'Oreal for the Future" – giảm 100% nhựa nguyên sinh).
  • KOLs/KOCs: Hợp tác với các Micro-influencers thuộc Gen Z có chuyên môn sâu về da liễu thay vì chỉ thuê người nổi tiếng thuần túy.

Chiến lược 4: Mở rộng Sự tiện lợi và Tối ưu Giá bán ($\beta = 0.152$ và $\beta = 0.138$)

  • Kênh phân phối Omnichannel: Tăng cường diện tích trưng bày tại chuỗi bán lẻ chuyên biệt (Hasaki, Guardian, Watsons) kết hợp xây dựng Gian hàng chính hãng (Flagship Store) trên TikTok Shop, Shopee Mall với dịch vụ giao hàng hỏa tốc 2 giờ.
  • Chính sách giá: Triển khai chính sách định giá theo combo (Bundling Strategy), gói quà tặng kèm giá trị cao thay vì giảm giá sâu làm suy giảm định vị thương hiệu.

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu: Kỹ thuật chọn mẫu thuận tiện phi xác suất tại địa bàn TP.HCM có thể làm giảm khả năng khái quát hóa (Generalizability) cho toàn bộ thế hệ Gen Z trên quy mô toàn quốc (khu vực miền Bắc, miền Trung hoặc nông thôn).
  • Cơ chế tác động trung gian/điều tiết: Mô hình hiện tại mới chỉ kiểm định mối quan hệ trực tiếp (Direct Effect). Chưa đánh giá vai trò trung gian (Mediating Role) của "Sự hài lòng" giữa "Chất lượng sản phẩm" và "Ý định mua lặp lại", hoặc vai trò điều tiết (Moderating Role) của biến "Thu nhập".
  • Hướng nghiên cứu tương lai: Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để kiểm định các mối quan hệ đa tầng; mở rộng quy mô mẫu lên $N \ge 600$ trên 3 miền Bắc - Trung - Nam; tích hợp thêm các biến số mới như "Ý thức bảo vệ môi trường" (Green Consumption) và "Tác động của Social Commerce".

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Marketing/Quản trị kinh doanh: Nắm vững phương pháp luận nghiên cứu định lượng chuẩn tắc từ thiết kế thang đo, khảo sát thử nghiệm đến kỹ thuật xử lý dữ liệu SPSS (Alpha, EFA, OLS).
  • Chuyên viên phân tích dữ liệu & Marketers: Nhận diện chính xác 5 đòn bẩy tâm lý thúc đẩy tỷ lệ mua lại của khách hàng trẻ, tối ưu hóa ngân sách tiếp thị số và chỉ số Customer Lifetime Value (CLV).
  • Doanh nghiệp mỹ phẩm và FMCG: Sở hữu dữ liệu thực chứng có căn cứ khoa học để hoạch định chiến lược sản phẩm, định giá và thiết kế hành trình trải nghiệm người dùng Gen Z.
  • Nhà nghiên cứu khoa học xã hội: Kế thừa bộ thang đo 25 biến quan sát đã được kiểm định độ tin cậy và giá trị hội tụ cho các đề tài nghiên cứu liên quan.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật bắt buộc để một thang đo đạt độ tin cậy trong SPSS là gì?

Hệ số Cronbach’s Alpha tổng thể phải đạt từ $0.60$ trở lên (trong nghiên cứu khám phá) hoặc $\ge 0.70$ (trong nghiên cứu chính thức). Đồng thời, tất cả các hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của từng biến quan sát phải đạt giá trị $\ge 0.30$. Biến nào không thỏa mãn điều kiện này phải bị loại bỏ để đảm bảo tính đồng nhất nội tại của thang đo.

2. Tại sao nghiên cứu lại loại bỏ biến "Chất lượng dịch vụ" từ mô hình gốc?

L'Oreal Paris tại thị trường Việt Nam chủ yếu phân phối qua các kênh trung gian (siêu thị, cửa hàng mỹ phẩm tổng hợp, sàn thương mại điện tử) mà không vận hành chuỗi showroom bán lẻ chuyên biệt có nhân viên tư vấn riêng của hãng. Do đó, trải nghiệm dịch vụ khách hàng phụ thuộc vào bên thứ ba, không phản ánh chính xác năng lực cốt lõi của thương hiệu L'Oreal Paris.

3. Làm thế nào để đảm bảo mô hình hồi quy OLS không bị hiện tượng đa cộng tuyến?

Kiểm tra chỉ số phóng đại phương sai VIF (Variance Inflation Factor) và hệ số dung sai (Tolerance). Nếu hệ số $\text{VIF} < 2.0$ (hoặc tiêu chuẩn lỏng hơn là $< 10.0$) và $\text{Tolerance} > 0.50$, mô hình hoàn toàn không vi phạm giả định đa cộng tuyến giữa các biến độc lập.

4. Yếu tố nào thúc đẩy mạnh nhất ý định mua lặp lại của Gen Z đối với mỹ phẩm?

Theo kết quả hồi quy thực chứng, Chất lượng sản phẩm ($\beta = 0.285$) là yếu tố có tác động mạnh nhất, theo sát phía sau là Sự hài lòng ($\beta = 0.269$). Điều này khẳng định Gen Z là thế hệ người tiêu dùng thông thái, ưu tiên hiệu quả thực tế của sản phẩm trên làn da hơn là yếu tố quảng cáo đơn thuần.

5. Kết quả nghiên cứu có thể áp dụng cho các thương hiệu mỹ phẩm khác không?

Khung mô hình nghiên cứu gồm 5 nhân tố (HATH, CLSP, STL, GB, SHL) và bộ câu hỏi 25 biến hoàn toàn có thể tái sử dụng để đánh giá ý định mua lặp lại cho các thương hiệu mỹ phẩm đại chúng khác (như Maybelline, La Roche-Posay, Innisfree, The Face Shop) hoạt động trong phân khúc người tiêu dùng trẻ.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra thông qua quy trình phân tích định lượng chuẩn tắc trên mẫu $N=251$ khách hàng Gen Z tại TP.HCM. Kết quả kiểm định thống kê khẳng định 5 yếu tố cốt lõi tác động tích cực cùng chiều đến Ý định mua lặp lại mỹ phẩm L'Oreal Paris theo thứ tự ưu tiên: Chất lượng sản phẩm ($\beta = 0.285$) > Sự hài lòng ($\beta = 0.269$) > Hình ảnh thương hiệu ($\beta = 0.246$) > Sự tiện lợi ($\beta = 0.152$) > Giá bán ($\beta = 0.138$) với mức giải thích phương sai đạt $57.5%$.

Công trình không chỉ đóng góp một khung phân tích khoa học cho lý thuyết hành vi người tiêu dùng Gen Z trong ngành mỹ phẩm mà còn cung cấp hệ thống 4 nhóm hàm ý quản trị có tính ứng dụng cao. Doanh nghiệp cần tập trung cải tiến công thức sản phẩm, tối ưu trải nghiệm đa kênh Omnichannel và duy trì sự thỏa mãn của khách hàng để tối đa hóa tỷ lệ giữ chân khách hàng trung thành trong kỷ nguyên số.